Quando l’IA fa il lavoro al posto dello studente
Tematica
In breve. Con l’IA si può consegnare un lavoro che non si è pensato e prendere per buone risposte sbagliate o inventate. Per prevenirlo servono compiti e modi d’uso che lascino allo studente il ragionamento e la verifica: l’IA può aiutare a studiare, ma non deve studiare al suo posto.
La tematica
Il rischio più immediato, e il primo a comparire nei casi, è che l’IA faccia il lavoro al posto dello studente. Un tema, un esercizio di matematica, un progetto: in pochi secondi l’IA produce un risultato presentabile, e lo studente può consegnarlo senza averlo pensato.
A questo si aggiunge un secondo problema: l’IA sbaglia e inventa. Riferimenti bibliografici inesistenti, errori di calcolo, contenuti inesatti. Chi delega il lavoro spesso delega anche la verifica, e prende per buono ciò che non è in grado di controllare.
La prima reazione è vietare, ma i casi mostrano che il divieto da solo regge poco. Il confine tra aiuto e sostituzione non dipende dallo strumento, ma da che cosa lo studente continua a fare: se ragiona, se verifica, se sa spiegare ciò che consegna. Le risposte più solide riguardano quindi il modo in cui si progettano compiti e strumenti: consegne che non si possono delegare, un’IA impostata per guidare invece che per rispondere, la verifica della comprensione in classe.
Per chi decide, la domanda non è se gli studenti useranno l’IA, perché la usano già, ma quali attività devono restare loro e come renderle visibili.
La tematica nei casi
Caso 01 – New York City: dal divieto di ChatGPT alla revoca, fino alla moratoria
Il primo riflesso è chiudere. Nel gennaio 2023 il distretto di New York blocca ChatGPT perché teme che gli studenti facciano svolgere all’IA i propri compiti, e perché dubita dell’accuratezza dei contenuti. Pochi mesi dopo il divieto viene revocato: il cancelliere David Banks lo definisce un errore dettato dalla paura. Il problema però resta, e tre anni dopo l’amministrazione torna a una moratoria per i più piccoli.
Caso 11 – Compiti e ChatGPT: insegnanti italiani di fronte ai temi scritti dall’IA
Che il timore fosse fondato lo mostrano gli insegnanti italiani. A Cremona 18 temi su 23 risultano scritti con l’IA e, interrogati, molti studenti non sanno spiegare che cosa hanno consegnato. Le risposte vanno in due direzioni. Villaschi e Galiano spostano il lavoro in classe e verificano oralmente la comprensione: se un compito si può copiare, forse è il compito a dover cambiare. Altri invece sorvegliano, inserendo errori nelle tracce per smascherare chi copia.
Caso 02 – Hingham (Massachusetts): voto basso per un compito fatto con l’IA e causa dei genitori
Qui la delega e l’inaffidabilità si presentano insieme: lo studente consegna un progetto in parte copiato dall’IA, con riferimenti bibliografici inesistenti. Nessuno ha verificato ciò che lo strumento aveva prodotto. Per l’istituto e il giudice è scorrettezza accademica già coperta dai principi generali; per i genitori, senza una regola esplicita la sanzione era sproporzionata.
Caso 15 – Turchia: con ChatGPT meglio negli esercizi, peggio all’esame
L’esperimento turco mostra che cosa succede quando l’IA è usata come «stampella». Molti studenti chiedevano direttamente la risposta, e ChatGPT risolveva correttamente solo circa metà dei problemi. Chi durante le esercitazioni andava meglio, all’esame senza IA andava peggio. Con un tutor che dà suggerimenti senza fornire la soluzione, invece, il danno scompare: per gli autori conta come lo strumento è progettato.
Caso 16 – Nigeria: un tutor IA guidato dagli insegnanti
In Nigeria lo stesso rischio viene affrontato in anticipo. Gli insegnanti suggeriscono le prime richieste da fare all’IA, prevengono i suoi errori e guidano momenti di riflessione, perché gli studenti ragionino invece di cercare scorciatoie. Uno studente lo riassume così: l’IA può diventare qualsiasi cosa, dipende da come le si chiedono le cose.
Caso 12 – «Your Brain on ChatGPT»: lo studio del MIT e il dibattito sul «debito cognitivo»
Lo studio del MIT dà un nome al rischio: «debito cognitivo». Chi si affida all’IA per scrivere ricorda meno il proprio testo e mostra un minore impegno cognitivo. I critici contestano però il campione e il metodo, e il caso ricorda che anche le prove sul danno vanno lette con cautela.
Caso 03 – Corea del Sud: i libri di testo con IA introdotti e ritirati
Il problema dell’affidabilità non riguarda solo gli studenti. In Corea del Sud i libri di testo con IA vengono criticati per errori nei contenuti, e in Texas (caso 06) i sindacati denunciano l’inaffidabilità dell’algoritmo che corregge le prove di Stato. Quando sbaglia lo strumento scelto dall’istituzione, l’errore pesa su tutti.
Caso 17 – New Hampshire: gli studenti lanciano l’allarme sull’IA
In New Hampshire sono gli studenti a denunciare il problema. Uno stima che l’80% dei compagni usi l’IA in modo scorretto; altri raccontano di richieste all’IA di «sembrare umana» per non essere scoperti. La delega non è un episodio, è diventata una pratica diffusa.
Caso 07 – Francia: formazione obbligatoria e «cadre d’usage» per l’IA a scuola
Le regole nazionali partono dalla stessa preoccupazione. Il quadro francese considera frode usare l’IA per un compito senza autorizzazione e senza un lavoro personale, e ammette l’uso autonomo solo dalla quarta. Anche le Linee guida del MIM (caso 09) chiedono di evitare che l’IA sostituisca il pensiero dello studente. Resta da tradurre il principio in compiti concreti.
Approfondimenti
- Gianni Marconato, «Che cosa possiamo delegare all’IA senza smettere di imparare a pensare?»
- Gianni Marconato, «Con l’IA gli studenti e gli insegnanti lavorano di meno o di più?»
- Gianni Marconato, «Dai Mindtools ai Language Models»
Le stesse questioni, a partire dalle domande
Questa tematica si intreccia con alcune domande dell’Ask System, un altro ambiente di questo sito che affronta i problemi posti dall’IA partendo dalle domande invece che dai casi. Ogni domanda porta a una risposta sintetica e agli articoli di approfondimento.
